¿Qué es Crawl4AI?
Crawl4AI rastrea páginas web y las convierte en Markdown para modelos de lenguaje, pipelines de RAG y conjuntos de datos. Controla un Chromium real mediante Playwright, así que las páginas cargadas de JavaScript se renderizan, y puede extraer datos estructurados con CSS, XPath o un LLM, rastrear muchas URL a la vez con un dispatcher que vigila la memoria y funcionar en modo sigiloso.
Se ofrece de tres formas: una biblioteca de Python, un servidor Docker autoalojado con panel y endpoint MCP, y Crawl4AI Cloud, una API alojada con /scrape, /extract, /search, /serp y /answer. La nube da 1.000 créditos gratis al mes, con planes de pago desde 10 $.
El código es Apache 2.0, pero el archivo LICENSE añade un requisito de atribución: los usos públicos y las distribuciones deben citar a UncleCode y al proyecto Crawl4AI.
¿Merece la pena Crawl4AI?
Crawl4AI sigue siendo la opción de código abierto por defecto para convertir páginas web en Markdown, con unas 86.100 estrellas en GitHub y un ritmo constante de seis versiones, de la v0.9.0 el 18 de junio a la v0.9.5 el 14 de octubre de 2026. Dos cosas han cambiado desde análisis anteriores: el proyecto vende ahora una API alojada, Crawl4AI Cloud, que el README promociona mucho, y el servidor Docker se ha convertido en su punto débil.
El historial de seguridad es lo primero que debe leer quien lo autoaloje. GitHub recoge 25 avisos publicados en 2026, cinco críticos, casi todos contra el servidor Docker: ejecución remota de código previa a la autenticación mediante una fuga del sandbox, RCE por inyección de argumentos de arranque de Chromium, escritura de archivos por path traversal y una serie de formas de saltarse la protección contra server-side request forgery. Solo la tanda de octubre añadió seis, incluido un Chromium arrancado con la verificación TLS desactivada. La biblioteca usada dentro de tu propio código Python ofrece menos superficie de ataque; el servidor debe estar en una red privada, detrás de un token y en la última versión.
La licencia también merece una segunda lectura. El repositorio dice Apache 2.0, pero el archivo LICENSE añade que los usos públicos, incluidas webs y herramientas de línea de comandos, deben citar a UncleCode y Crawl4AI en una página About, un archivo NOTICE o la ayuda del programa. Es más ligero que la AGPL de Firecrawl, pero los equipos legales que aprueban Apache 2.0 por defecto querrán verlo.
La calidad de la salida es buena, pero todavía requiere ajustes. Hay issues abiertos sobre Markdown que pierde la jerarquía de títulos y las tablas, procesos del navegador que se acumulan durante semanas en la ruta /crawl de Docker y una fuga de memoria en llamadas repetidas a /md que tumba contenedores. El trabajo contra bots corre de tu cuenta cuando lo autoalojas: el modo sigiloso y un adaptador de navegador no detectable ayudan, pero los proxies los compras tú. La nube se ocupa de los muros antibots y cobra los proxies ISP al doble y los residenciales al cuádruple del coste base en créditos.
Frente a Firecrawl, el intercambio está ahora más claro. Ambos tienen un núcleo abierto y una API alojada con 1.000 créditos gratis; la nube de Firecrawl es más antigua, publica todos sus precios y declara SOC 2 Type II, mientras que la de Crawl4AI está en lanzamiento suave y sus precios por endpoint se cargan en directo y pueden cambiar. Para autoalojar, la biblioteca de Crawl4AI es mucho más fácil de meter en un trabajo de Python que la pila de varios servicios de Firecrawl.
Dónde se gana su sitio
Un ingeniero de datos que actualiza cada noche un índice RAG de 5.000 páginas de documentación
Volver a rastrear la documentación de proveedores y enviar Markdown limpio a un almacén vectorial
Llama a arun_many desde un trabajo programado de Python con el dispatcher que se adapta a la memoria; no hay tarifas por página, solo la VM. Fija la versión y revisa la lista de avisos en cada actualización.
Un equipo de plataforma que ofrece acceso web a agentes internos
Mantener un servicio de rastreo compartido al que los agentes accedan por MCP
Ejecuta la imagen Docker en el puerto 11235 con --shm-size=1g en una subred privada detrás de un token, y apunta los agentes a su endpoint MCP. Reserva tiempo para parches: en 2026 llegaron 25 avisos, la mayoría sobre este servidor.
Una startup de dos personas sin nadie que gestione proxies
Extraer datos de tiendas protegidas contra bots para un comparador de precios
El plan Starter de Crawl4AI Cloud, a 10 $ al mes, da 10.000 créditos, 120 solicitudes por minuto y 10 a la vez; los proxies residenciales cuestan el cuádruple de la tarifa base. Los precios están marcados como lanzamiento suave, así que evita compromisos largos.
Antes de decidirte
- Puesta en marcha
- pip install -U crawl4ai y después crawl4ai-setup para instalar Chromium; Python 3.10 o posterior. El servidor Docker es un solo docker run con el puerto 11235 y --shm-size=1g, e incluye un panel y un entorno de pruebas. Pasar una primera página a Markdown lleva minutos.
- Integraciones
- API asíncrona de Python (AsyncWebCrawler, arun_many), un servidor Docker REST con MCP y los endpoints /scrape, /extract, /search, /serp y /answer de la nube, con una URL MCP alojada para Claude Code, Codex, Cursor y OpenCode. La extracción con LLM usa la clave del proveedor que aportes.
- Datos y privacidad
- Autoalojado, las páginas solo van a donde las envíes, y el README no menciona telemetría. La nube guarda los parámetros de las solicitudes y resúmenes de resultados durante 90 días, almacena en caché las páginas descargadas y permite fijar regiones de la UE, Singapur o EE. UU. El archivo LICENSE exige atribución en los usos públicos.
- Coste a escala
- Autoalojarlo cuesta la VM y los proxies que uses; no se publica un dimensionado oficial. Cloud Starter cuesta 10 $ al mes por 10.000 créditos; los créditos extra cuestan de 10 $ a 1.000 $ a la tarifa del plan y no caducan, y los fallos 5xx no se cobran.
- Límites
- 278 issues y pull requests abiertos; fugas de memoria y procesos del navegador acumulados en el servidor Docker según los informes; el Markdown puede perder la estructura de las tablas; la API de Docker va por detrás de las funciones de la biblioteca, con un issue abierto que sigue la paridad.
Lo bueno
- Código Apache 2.0, integrable como biblioteca de Python
- Sin coste por página cuando se autoaloja
- Rastreo concurrente que se adapta a la memoria y modo sigiloso
- Nube alojada con MCP, desde 10 $ al mes
Lo malo
- 25 avisos de seguridad en 2026, cinco críticos, sobre todo en el servidor Docker
- El archivo LICENSE añade una cláusula de atribución obligatoria
- Los proxies y el trabajo contra bots corren de tu cuenta si lo autoalojas
- Los precios de la nube son de lanzamiento suave y pueden cambiar
Ideal para
Equipos de Python que quieren un crawler autoalojado para RAG o agentes sin costes por página.
Alternativas a Crawl4AI
Crawl4AI: preguntas frecuentes
- ¿Merece la pena Crawl4AI?
- Sigue siendo el crawler abierto más sólido para pipelines de LLM, pero el historial de seguridad de su servidor Docker en 2026 impide exponerlo sin endurecerlo. Le damos un 4.2 sobre 5.
- ¿Cuánto cuesta Crawl4AI?
- Biblioteca y servidor Docker gratuitos (Apache 2.0 más una cláusula de atribución). Crawl4AI Cloud: 1.000 créditos gratis al mes; Starter a 10 $ al mes por 10.000 créditos.
- ¿Qué inconvenientes tiene Crawl4AI?
- 25 avisos de seguridad en 2026, cinco críticos, sobre todo en el servidor Docker; el archivo LICENSE añade una cláusula de atribución obligatoria; los proxies y el trabajo contra bots corren de tu cuenta si lo autoalojas; los precios de la nube son de lanzamiento suave y pueden cambiar.
- ¿Para quién es Crawl4AI?
- Equipos de Python que quieren un crawler autoalojado para RAG o agentes sin costes por página.
- ¿Cuánto cuesta Crawl4AI para un equipo o en producción?
- Autoalojarlo cuesta la VM y los proxies que uses; no se publica un dimensionado oficial. Cloud Starter cuesta 10 $ al mes por 10.000 créditos; los créditos extra cuestan de 10 $ a 1.000 $ a la tarifa del plan y no caducan, y los fallos 5xx no se cobran.
- ¿Es Crawl4AI seguro para los datos de la empresa?
- Autoalojado, las páginas solo van a donde las envíes, y el README no menciona telemetría. La nube guarda los parámetros de las solicitudes y resúmenes de resultados durante 90 días, almacena en caché las páginas descargadas y permite fijar regiones de la UE, Singapur o EE. UU. El archivo LICENSE exige atribución en los usos públicos.
- ¿Cuáles son las mejores alternativas a Crawl4AI?
- Las alternativas más cercanas que hemos analizado son Firecrawl, Browser Use y Obscura.
Respuestas comprobadas el 26 oct 2026.